電話：
021-67610176傳真：
在多個研究中，人工智能已經(jīng)成功擊敗人類醫(yī)生，但在大規(guī)模落地前，醫(yī)療人工智能還有很多課要補(bǔ)。行業(yè)的狂歡和泡沫，是任何一個新技術(shù)浪潮的必經(jīng)之路。zui后勝出的，必是那些創(chuàng)造了真實價值的技術(shù)和產(chǎn)品。
來源丨財經(jīng)雜志
在2017年那場史詩級的圍棋對決中，人類戰(zhàn)力zui 強(qiáng)的棋手柯潔以0∶3敗于阿爾法狗，人類終被自己的模仿品——人工智能（AI）超越。接下來，它會在哪個領(lǐng)域戰(zhàn)勝人類？猜測落在醫(yī)療上。
人工智能在多個醫(yī)療細(xì)分領(lǐng)域曾與人類醫(yī)生交手，2016年5月至今，比分結(jié)果是AI 6勝、3平、2負(fù)。醫(yī)生已然落于下風(fēng)。
2017年歲末，斯坦福大學(xué)教授吳恩達(dá)領(lǐng)導(dǎo)的機(jī)器學(xué)習(xí)小組開發(fā)出一種名為CheXnet的算法，能夠更敏銳地捕捉xong 部X光片中的肺炎跡象，在診斷肺炎的比拼中，也一舉擊敗四名放射科醫(yī)師。
這些火種足以讓產(chǎn)業(yè)界信心爆棚。谷歌、IBM、英特爾等*和國內(nèi)的“BATK”（百度、阿里、騰訊、科大訊飛），都加緊布局，一大批初創(chuàng)公司也噴涌而出。
人口老齡化加劇、慢性病患者群體增長、醫(yī)療資源緊缺、公共醫(yī)療費用攀升等多重壓力，使AI入醫(yī)療被寄望成為這一性壓力的泄壓閥。泄出的壓力也正是機(jī)遇的源頭。尤其在中國，人口數(shù)量成為優(yōu)勢，醫(yī)療數(shù)據(jù)的基礎(chǔ)大，可以給醫(yī)療AI提供充沛的燃料。業(yè)內(nèi)的普遍看法是，在該領(lǐng)域，國內(nèi)企業(yè)有彎道超車的機(jī)會。
然而，AI的泡沫已然吹起，醫(yī)療能否獨善其身？這將取決于研究成果能否盡快進(jìn)入臨床，并獲得大范圍應(yīng)用，給醫(yī)療帶來切實改進(jìn)，以撐起領(lǐng)域公司的估值，沖破“C輪死”的魔zhou。
向醫(yī)生的主場滲透
擊敗四名放射科醫(yī)師，CheXnet只經(jīng)歷了一個月的診斷學(xué)習(xí)。
AI已經(jīng)在預(yù)測中風(fēng)和心臟病發(fā)作、預(yù)測嬰兒自閉癥的風(fēng)險上表現(xiàn)出明顯優(yōu)勢；在外科手術(shù)和阿爾茨海默病預(yù)測中略勝*；在治療腦腫瘤、先天性白內(nèi)障診斷和皮膚癌診斷上，跟人類醫(yī)生打平。“這些示范性的案例，就是一輪又一輪大額度融資的信心來源。”億歐智庫醫(yī)療產(chǎn)業(yè)分析師尚鞅告訴《財經(jīng)》記者。過去一年，資本對醫(yī)療AI的熱情展露得非常明顯，因為落地的可能性被印證了。
此前的人機(jī)對戰(zhàn)都在研發(fā)階段，直到一年前，美國批準(zhǔn)了*個用于臨床的醫(yī)療AI產(chǎn)品，它可以分析心臟核磁共振圖像，準(zhǔn)確度可與有經(jīng)驗的醫(yī)生相媲美。進(jìn)入臨床，是AI向產(chǎn)業(yè)化邁進(jìn)的一大步。
2017年，國內(nèi)醫(yī)療AI行業(yè)公布的融資事件近30起，融資總額超過18億元。融資額zui高的一筆是AI醫(yī)學(xué)影像公司匯醫(yī)慧影數(shù)億元B輪融資。
“能夠在如此短時間內(nèi)讓投資界集體高潮，一定是出現(xiàn)了商機(jī)。”易凱資本有限公司健康產(chǎn)業(yè)組聯(lián)席負(fù)責(zé)人李鋼分析。
就醫(yī)，zui核心的部分是診斷。替代醫(yī)生診斷，是醫(yī)療AI的一個zhong 級目標(biāo)?，F(xiàn)階段的小目標(biāo)是，能夠讓AI為醫(yī)生的診斷及治療方案提供建議，輔助診療。
如何讓人工智能和人類醫(yī)生一起，實現(xiàn)任何單一方都無法提供的臨床效果，才是關(guān)鍵。圖/視覺中國
AI輔助醫(yī)生做事，先從那些繁瑣的、重復(fù)性工作起步，提升診療效率。企業(yè)和研究團(tuán)隊分頭趟開兩條路：一條基于自然語言處理，根據(jù)病歷和癥狀診斷疾??；一條基于計算機(jī)視覺，通過識別醫(yī)學(xué)影像診斷疾病。
IBM公司開發(fā)的“沃森”（Watson），是*條路徑代表。它四年學(xué)習(xí)了200本腫瘤教科書、290種醫(yī)學(xué)期刊和超過1500萬份的文獻(xiàn)后，嘗試在14個國家的多個腫瘤治療中心臨床應(yīng)用。在輸入患者的年齡、性別、體重等基本情況和癌癥分期、局部復(fù)發(fā)、化療方案、病理分期、癌癥轉(zhuǎn)移等具體內(nèi)容后，短短十多秒，沃森就會給出治療方案，在肺癌、乳腺癌、直腸癌、結(jié)腸癌、胃癌和宮頸癌等方面為醫(yī)生提供診斷建議。
腫瘤醫(yī)生的智能助手沃森落地中國非常迅速，其國內(nèi)代理商——百洋智能科技在去年5月曾透露，一年內(nèi)將有150家地市級的三級綜合醫(yī)院引進(jìn)沃森。然而，沃森面臨的問題是，雖然速度快，但給出的解決方案可能還不是Zui 好的。
第二條路徑，AI可將復(fù)雜、高維度的醫(yī)學(xué)影像數(shù)據(jù)，降維使其更易處理，因而可以快速、準(zhǔn)確地從醫(yī)學(xué)影像中發(fā)現(xiàn)病癥的信息，輔助醫(yī)生診斷。
醫(yī)學(xué)影像在醫(yī)療數(shù)據(jù)總量中占比約80%，包括CT、核磁、超聲、病理、內(nèi)窺鏡、眼底等，因而，醫(yī)學(xué)影像的計算機(jī)處理向來是一個龐大的產(chǎn)業(yè)。
風(fēng)投調(diào)研機(jī)構(gòu)CB Insights對美國106家醫(yī)療AI初創(chuàng)企業(yè)分析顯示，影像和診斷成為資本熱涌的重點領(lǐng)域。IBM和阿爾法狗的DeepMind都在推進(jìn)AI醫(yī)學(xué)影像的應(yīng)用，阿里、騰訊也不甘人后。
實際上，AI的觸角已無處不在。運用語音識別和自然語言理解，醫(yī)生在診療過程中即可完成病歷編寫，能提高醫(yī)生工作效率，美國大概有72%的醫(yī)院已經(jīng)實現(xiàn)用語音收集醫(yī)療信息，科大訊飛、云知聲等均有此項業(yè)務(wù)。
一些初創(chuàng)公司，還喜歡擠入慢性病管理，即運用人工智能算法，對慢性病患者進(jìn)行實時健康監(jiān)測及干預(yù)，甚至據(jù)此生成健康管理建議，主要針對糖尿病、心血管病等需要即時干預(yù)的慢性病患者。
而一年多前，很多一線醫(yī)生還不知道AI這個字母組合是什么意思。“在過去的12個月，關(guān)于醫(yī)療AI的各種信息，很多一線醫(yī)生都在聽和看，這是一個很好的趨勢。”上海長征醫(yī)院眼科主任醫(yī)師魏銳利對《財經(jīng)》記者說。
2017年11月，由獨角獸工作室等聯(lián)合發(fā)布的《醫(yī)療人工智能醫(yī)生認(rèn)知情況調(diào)研報告》顯示，77%的醫(yī)生至少聽說過一種醫(yī)療人工智能應(yīng)用。
催逼AI箭上弦，本質(zhì)上還是好醫(yī)生稀缺。
藍(lán)馳創(chuàng)投合伙人陳維廣，在投了春雨醫(yī)生之后，他多次接到朋友的請求，讓幫忙找好醫(yī)生。對醫(yī)療的需求提升，是普適的驅(qū)動因素，而人口老齡化就是那塊巨大的背景板。
像一副擺好的多米諾骨牌，人口老齡化加速，老齡化社會之后就是醫(yī)療資源匱乏。美國人口普查局報告顯示，至2015年，65歲及以上人口超過6億。這一年，中國65歲及以上人口約1.44億。
英特爾醫(yī)療與生命科學(xué)部亞太區(qū)總李亞東介紹，目前約30%的醫(yī)療資源為65歲以上的人群所占用，50%的醫(yī)療資源為55歲以上的人群占用。
國內(nèi)對AIzui現(xiàn)實的期待是，紓解san 甲醫(yī)院爆滿的困境，協(xié)助提升縣鄉(xiāng)鎮(zhèn)的醫(yī)療水平，以免漏診、誤診。
依然是數(shù)據(jù)為王
一個十分明顯的趨勢是，AI往醫(yī)學(xué)影像領(lǐng)域扎堆。
動脈網(wǎng)數(shù)據(jù)顯示，國內(nèi)83家醫(yī)療AI企業(yè)中，一半涉足醫(yī)學(xué)影像。“（這一領(lǐng)域）正處于黃金期，除提率之外，它能找到人力無法找到的病征，今后*取代醫(yī)生讀片是*可能的。”海銀資本創(chuàng)始合伙人王煜全向《財經(jīng)》記者分析。
技術(shù)驅(qū)動因素之外，還有一個重要的底層邏輯在運行。“離開臨床數(shù)據(jù)，AI沒法思考。”北京大學(xué)腫瘤醫(yī)院信息部主任衡反修在很多會議上強(qiáng)調(diào)這一金句。
AI的開發(fā)很像教孩子，需要花時間訓(xùn)練它，給它喂大量數(shù)據(jù)，同時告訴它什么是錯的，什么是對的。通過這種有監(jiān)督的學(xué)習(xí)，AI才能成長。
就像早期阿爾法狗的訓(xùn)練一樣，醫(yī)療AI的訓(xùn)練也得有“棋譜”——以醫(yī)學(xué)影像為例，就是大量由醫(yī)生標(biāo)注出重要信息的影像數(shù)據(jù)集。不過，圍棋有統(tǒng)一規(guī)則，而人的病例復(fù)雜得多，因此，獲得高質(zhì)量的、經(jīng)標(biāo)注的影像大數(shù)據(jù)集，需要大投入。
*云醫(yī)療信息科技（北京）有限公司CEO黃家祥認(rèn)識一位AI醫(yī)療創(chuàng)業(yè)公司的創(chuàng)始人，剛?cè)诘綆浊f元投資時十分開心，但不到一年就發(fā)現(xiàn)，差不多一半的資金得用在數(shù)據(jù)標(biāo)注上。
創(chuàng)意設(shè)計/黎立
相對于基yin、病理等的數(shù)據(jù)，獲取醫(yī)學(xué)影像數(shù)據(jù)更容易一些，且本身就是結(jié)構(gòu)數(shù)字化的，加之原來就有一些公開的標(biāo)注數(shù)據(jù)集，所以一大批創(chuàng)業(yè)公司才蜂擁進(jìn)入影像領(lǐng)域。
基于同樣的邏輯，在AI醫(yī)療技術(shù)的開發(fā)中，zui重要的不是AI技術(shù)哪家強(qiáng)，而是看誰能與醫(yī)院建立良好合作，因為醫(yī)院手中既有醫(yī)療數(shù)據(jù)，又有能對數(shù)據(jù)進(jìn)行標(biāo)注的醫(yī)生資源。
實際上，中國的醫(yī)療大數(shù)據(jù)一直存在應(yīng)用障礙，信息孤島現(xiàn)象明顯，國內(nèi)95%醫(yī)院的電子病歷還未全院流通。換句話說，醫(yī)療大數(shù)據(jù)的地基尚未打好。
在醫(yī)療過程中，很多zui基本的醫(yī)療術(shù)語尚不能統(tǒng)一，如闌尾炎和盲腸炎或食管癌和食道癌，說的是一個病，但錄入數(shù)據(jù)庫后，計算機(jī)會把它分成兩種病。
醫(yī)療數(shù)據(jù)不準(zhǔn)確、不完整，增加數(shù)據(jù)挖掘難度的同時，也降低了數(shù)據(jù)本身的價值。河南省安陽市腫瘤醫(yī)院每年完成2200臺－2500臺的食管癌手術(shù)，穩(wěn)居世界 di一。但該院院長徐瑞平教授坦陳，“我們做了這么多手術(shù)，在國內(nèi)食管癌的（學(xué)術(shù)）地位并不高。”原因就是數(shù)據(jù)質(zhì)量不高，后期對病人的隨訪不夠，導(dǎo)致數(shù)據(jù)不完整。
要想讓AI深入，就需要協(xié)調(diào)電子病歷、化驗和影像系統(tǒng)、醫(yī)生記錄和醫(yī)療保險索賠材料等多方的大數(shù)據(jù)，這明顯是個難上加難的任務(wù)。
即使在*美國，也有同樣困境?！稊?shù)字美國》報告顯示，美國有近四分之一的醫(yī)院和超過40%的醫(yī)生尚未采用電子健康記錄系統(tǒng)。即便有電子記錄系統(tǒng)，也沒有與病人或其他提供者無縫共享數(shù)據(jù)，因為這些系統(tǒng)無法互通操作,病人需要反復(fù)講述他們的病史。
況且，醫(yī)療AI在都面臨著一些*的高難度障礙：醫(yī)療數(shù)據(jù)的敏感性和嚴(yán)格的保護(hù)隱私規(guī)定，限制了AI醫(yī)療所要求的高質(zhì)量聚合數(shù)據(jù)的收集。如美國醫(yī)院對患者隱私有很多保護(hù)，醫(yī)院數(shù)據(jù)不能輕易開放給AI公司。
嘉御基金的創(chuàng)始人衛(wèi)哲注意到一個趨勢，很多國外從事醫(yī)療行業(yè)的公司在尋找中國的合作伙伴，因為中國人口同樣眾多，隱私的保護(hù)卻沒有那么嚴(yán)格，有機(jī)會讓醫(yī)療數(shù)據(jù)迅速地集中起來。
真正決定中國產(chǎn)生后發(fā)優(yōu)勢的，依然是數(shù)據(jù)夠大。李鋼觀察到，現(xiàn)階段中國醫(yī)療AI產(chǎn)業(yè)對美國風(fēng)向的跟從效應(yīng)明顯。但未來，人口與數(shù)據(jù)的優(yōu)勢將可能使中國企業(yè)狂飆。
醫(yī)療AI還沒有看上去那么美
AI公司多數(shù)都在幫醫(yī)生做科研，或在提高診斷效率方面做嘗試，真正深入到臨床流程的很少。對AI將會在多大程度上替代醫(yī)生，業(yè)界有兩種不同態(tài)度：AI工程師雄心勃勃，認(rèn)為阿爾法狗的勝利就是Zui 好的證據(jù)；醫(yī)生們則疑慮重重，至少還不擔(dān)心自己的飯碗會被AI搶走。
《醫(yī)療人工智能醫(yī)生認(rèn)知情況調(diào)研報告》顯示，外科和影像科醫(yī)生對AI的知曉率高于平均水平，但對AI的整體滿意度也低于平均水平。不滿意主要集中在AI未能減少醫(yī)生的工作量，其次是對原理的質(zhì)疑以及準(zhǔn)確率不高。
很多使用過閱片AI的影像科醫(yī)生，沒有體會到工作量降低。魏銳利表示，AI分析過的影像，醫(yī)生還得重新復(fù)核一遍。因為擔(dān)心漏診，也就是提示有患病可能的影像，沒有被識別出來。
所有醫(yī)療影像AI公司都會宣稱自己的產(chǎn)品比醫(yī)生閱片速度快得多，準(zhǔn)確率要高，但沒有誰敢說能夠杜絕漏診問題。這讓醫(yī)生難以*信賴閱片AI。一旦醫(yī)生覺得有風(fēng)險，他就得審核AI看過的所有圖像。
漏診的產(chǎn)生，問題很可能出在訓(xùn)練數(shù)據(jù)上。黃家祥介紹，很多AI創(chuàng)業(yè)公司都是靠公開的數(shù)據(jù)源起步的，訓(xùn)練的數(shù)據(jù)量非常有限；還有些公司跟一兩家醫(yī)院合作，把服務(wù)器放到醫(yī)院去訓(xùn)練，也能訓(xùn)練出一個AI模型來，而且對于單一病種，測試效果可能也不錯。但如果換了另外一個不同的數(shù)據(jù)集來測試，很可能就“水土不服”了。
一些AI創(chuàng)業(yè)公司會辯解稱，自家的AI產(chǎn)品與醫(yī)生相比，降低了漏診率。對這種說法，Wision AI的聯(lián)合創(chuàng)始人劉敬家不以為然，中國目前沒有關(guān)于醫(yī)生漏診的準(zhǔn)確數(shù)據(jù)，如何得出AI的漏診率比醫(yī)生低的結(jié)論？
所有醫(yī)療影像AI公司都會宣稱自己的產(chǎn)品比醫(yī)生閱片速度快得多，準(zhǔn)確率要高，但沒有誰敢說能夠杜絕漏診問題。圖/視覺中國
“目前來講，AI所取得的成果還遠(yuǎn)遠(yuǎn)沒達(dá)到預(yù)想的目標(biāo)。”魏銳利說。放眼看，大多數(shù)公司的AI產(chǎn)品還處于研發(fā)階段。
華蓋醫(yī)療基金董事總施國敏曾撰文稱，人們腦補(bǔ)的人工智能替代醫(yī)生，哪怕僅僅是輔助，在產(chǎn)品層面也尚未出現(xiàn)。
現(xiàn)階段的AI都是弱人工智能，其主流的深度學(xué)習(xí)方法存在一個明顯的缺陷，即它的過程無法描述。換句話說，AI算法的整個過程猶如一個的、無法打開的“技術(shù)黑箱”，所謂可用不可見。它既沒有普遍的適應(yīng)性，也無法拆解出具體的智能化業(yè)務(wù)規(guī)則，而且高度依賴于參與訓(xùn)練的海量數(shù)據(jù)。
深度學(xué)習(xí)的特點是有問必答，只要有數(shù)據(jù)輸入，就有結(jié)果輸出。但劉敬家分析，如果沒有金標(biāo)準(zhǔn)對結(jié)果進(jìn)行校驗，很可能輸出錯誤的結(jié)果，而且很容易蒙蔽人。
醫(yī)學(xué)是注重證據(jù)的學(xué)科。ding 級醫(yī)學(xué)期刊《新英格蘭醫(yī)學(xué)雜志》去年發(fā)表文章，對深度學(xué)習(xí)在醫(yī)學(xué)預(yù)測領(lǐng)域的應(yīng)用進(jìn)行了分析，認(rèn)為那些沒有探明的醫(yī)學(xué)邏輯支撐，妄想通過堆砌更多維度的數(shù)據(jù)而有所發(fā)現(xiàn)的行為，zui終會陷于蝴蝶效應(yīng)的困境之中。也就是初始條件的微小變化，都可能累計出結(jié)果的巨大變化。
“技術(shù)黑箱”中僅有數(shù)學(xué)公式推導(dǎo)，卻沒有明確的理論解釋其決策過程。
醫(yī)生們擔(dān)心，這種思維用于簡單的類似于醫(yī)學(xué)影像標(biāo)準(zhǔn)等的工作尚無大礙，一旦涉及更為復(fù)雜的醫(yī)療決策輔助，甚至醫(yī)療方案的整體評估建議，不考慮決策過程*以結(jié)果為導(dǎo)向去輔助醫(yī)護(hù)人員，會讓醫(yī)護(hù)人員陷于被動，甚至暴露在難以控制的決策風(fēng)險中。
美國醫(yī)療媒體STAT在2017年10月連發(fā)兩篇調(diào)查報道，分析沃森的“超級功能”中存在的技術(shù)缺陷，并指出美國現(xiàn)有法律框架對于醫(yī)療AI監(jiān)管的疏忽之處。
美國一些醫(yī)生和消費者團(tuán)體認(rèn)為，正是因為AI算法具備“技術(shù)黑箱”的特點，監(jiān)管方需要對像沃森這樣的醫(yī)療AI輔助診斷系統(tǒng)進(jìn)行更加仔細(xì)的檢查和監(jiān)管。
這個新興領(lǐng)域*，在中國還將面臨政府部門從不同的角度和方面來管制醫(yī)療健康領(lǐng)域，往往出現(xiàn)政策之間的不協(xié)調(diào)，或者部門之間的利益沖突和權(quán)力沖突，使得這些創(chuàng)新創(chuàng)業(yè)者難以應(yīng)付。中歐工商學(xué)院衛(wèi)生管理與政策中心主任蔡江南為《財經(jīng)》撰文稱，由于缺乏對于制度和政策的了解，許多創(chuàng)新和創(chuàng)業(yè)項目往往包含了制度風(fēng)險和政策風(fēng)險，一旦政策執(zhí)行過程中出現(xiàn)橡皮筋的上下波動，這些項目就可能夭折。
“C輪死”魔zhou
活過2018年，是很多醫(yī)療AI公司的決心。
融資青黃不接、技術(shù)迭代的瓶頸，以及商業(yè)模式斷裂，哪一條都有可能拖垮靠技術(shù)吃飯的初創(chuàng)企業(yè)。
李鋼觀察到，當(dāng)細(xì)分融資紛紛達(dá)到億元級別后，其中企業(yè)融資zui困難的階段就近在眼前了。
這是因為，對風(fēng)險偏好較高的風(fēng)險投資者而言，細(xì)分需要的融資額已經(jīng)超過他們能夠投資的體量；而對于較大體量的私募基金而言，這些依然處于商業(yè)化的探索階段，沒有亮眼的財務(wù)數(shù)字卻頂著*的估值，實在無法下手。由于億元級別的融資相當(dāng)于B輪融資，因此，這個規(guī)律被稱為“ C輪死”魔zhou。
現(xiàn)在，AI醫(yī)療影像行業(yè)的頭部企業(yè)，已經(jīng)進(jìn)入C輪的那道缺口之中。
黃家祥也認(rèn)為，2018年對于很多醫(yī)療AI公司來說都是一個巨大的挑戰(zhàn)，“可能會淘汰掉一批，不光是融資層面的，還包括一些成長不上去的”。
親身遇到的案例，也加深了黃家祥這一判斷。一個人工智能團(tuán)隊用了約兩周時間，從一個公開的數(shù)據(jù)源，訓(xùn)練出一個初步的AI產(chǎn)品，這一團(tuán)隊找到*云求助一些脫敏的測試數(shù)據(jù)，黃家祥提供了一部分?jǐn)?shù)據(jù)，對方測出了90%的準(zhǔn)確率。
看上去技術(shù)門檻似乎并不高，幫助了一些創(chuàng)業(yè)企業(yè)在短時間內(nèi)取得一定的成果。然而，“沒法實現(xiàn)商業(yè)價值，就只是一個基礎(chǔ)的研究成果，只能用來秀一秀。”黃家祥十分篤定，這讓很多人錯誤地判斷了形勢，*步好邁，但往后走還有沒有資源支撐更加重要。
醫(yī)療AI跟阿爾法狗一樣，需要不停迭代升級。這意味著，要不停用數(shù)據(jù)去訓(xùn)練AI，并且有醫(yī)生持續(xù)地參與，在真實的應(yīng)用場景中去支撐AI的持續(xù)成長。
一位醫(yī)療AI公司創(chuàng)始人對《財經(jīng)》記者說，一些公司遇到技術(shù)迭代的瓶頸，卡住了，“干脆不繼續(xù)推進(jìn)，保持低投入、不推廣，等著被收購”。
市場集中進(jìn)程在快速完成，是接受《財經(jīng)》記者采訪的多位資本分析師都認(rèn)同的醫(yī)療AI趨勢。“谷歌、騰訊等*對初創(chuàng)企業(yè)甚至中型公司形成的壓制會越來越明顯，在接下來的一年，競爭會非常激烈。”王煜全分析稱。
*的動作有跡可循。2017年8月才發(fā)布的騰訊覓影，后發(fā)制人地進(jìn)入“國家隊”，在科技部公布的“*國家人工智能開放創(chuàng)新平臺名單”中，明確“依靠騰訊公司建設(shè)醫(yī)療影像國家新一代人工智能開放創(chuàng)新平臺”，從發(fā)布成立到進(jìn)入“國家隊”的這三個月里，騰訊覓影就與十多家san 甲醫(yī)院建立了聯(lián)合實驗室，篩查目標(biāo)病種也從早期食管癌拓展到肺癌、乳腺癌等多病種。
*們從觀望轉(zhuǎn)變?yōu)槿嫱度耄」緜円粴⒊鲆粭l血路，要不坐等被收購或擠死。“很多初創(chuàng)公司從創(chuàng)立之際就是坐等*開個好價的，‘大魚吃小魚’接下來會頻繁發(fā)生。”尚鞅如此解讀2018年的醫(yī)療AI市場。
另一方面，管理也隨著市場發(fā)展開始“劃車道”。2018年8月1日，新版《醫(yī)療器械分類目錄》將開始實行，其中新增了與AI輔助診斷相對應(yīng)的類別。
按照分類規(guī)定，申報二類醫(yī)療器械，診斷軟件通過算法，提供診斷建議，僅有輔助診斷功能，可不直接給出診斷結(jié)論；如果對病變部位進(jìn)行自動識別，并提供明確診斷提示，則按照第三類醫(yī)療器械管理。
醫(yī)療AI公司想走醫(yī)院采購這條路，必須通過相應(yīng)的認(rèn)證。這就需要公司獲得大量真實的臨床應(yīng)用數(shù)據(jù)，為申報提早準(zhǔn)備。
多數(shù)醫(yī)療AI公司還處于打磨產(chǎn)品階段，商業(yè)模式并不清晰，與醫(yī)院的合作多為提供產(chǎn)品試用，收不到錢。阿里健康副總裁柯研告訴《財經(jīng)》記者，現(xiàn)在市面上的很多AI公司單純?nèi)谫Y，無論估值多高，沒有收入來源和場景，商業(yè)模式是斷的，“再過三年沒有商業(yè)模式，會走向邊緣”。
在醫(yī)療人工智能領(lǐng)域，zui核心的要素是場景。場景大于數(shù)據(jù)，數(shù)據(jù)大于算法。至于未來誰埋單，柯研說，“我們相信，只要有場景，zui后一定會有人心甘情愿付這個錢。”
國內(nèi)的醫(yī)療AI公司，主要與大城市的san 甲醫(yī)院合作，但醫(yī)療從業(yè)者密集的san 甲醫(yī)院，沒有迫切需求。真正需要AI緩解的，是資源緊張的中小型醫(yī)院，這部分市場潛力還遠(yuǎn)遠(yuǎn)沒有開發(fā)出來。
放眼整個行業(yè)，一個逐漸清晰的場景就是，影像AI會支撐基層醫(yī)療?；鶎俞t(yī)院用影像AI篩查以后，發(fā)現(xiàn)一些有問題或者看不準(zhǔn)的病例，再交由上級醫(yī)院的醫(yī)生來確診。
再看遠(yuǎn)些，醫(yī)療AI技術(shù)如果能夠突破應(yīng)用關(guān)，將ding 級醫(yī)生的診斷能力標(biāo)準(zhǔn)化后，交給基層醫(yī)院，為基層醫(yī)生提供輔助診斷，會在很大程度上改善醫(yī)療資源的緊張狀況。
麥肯錫研究所預(yù)測，大面積使用人工智能診斷疾病可能不會太快發(fā)生，即使早已入局的*們，也不過是入門級水平，這并不妨礙AI會成功滲入，成為醫(yī)療的底層技術(shù)，就像之前的IT技術(shù)一樣。
人工智能和人類醫(yī)生比誰更聰明，可能還會持續(xù)。《新英格蘭醫(yī)學(xué)雜志》認(rèn)為，這種爭論沒有意義，如何讓人工智能和人類醫(yī)生一起，實現(xiàn)任何單一方都無法提供的臨床效果，才是關(guān)鍵。
行業(yè)的狂歡和泡沫，是任何一個新技術(shù)浪潮的必經(jīng)之路。zui后勝出的，是那些創(chuàng)造了真實價值的技術(shù)和產(chǎn)品。
本文首刊于2018年3月5日出版的《財經(jīng)》雜志
13224517959
